leewe7的博客

2、针对集合S，遍历每一个feature的每一个value，用该value将原数据集S分裂成2个集合：左集合S_left(<=value的样本)、右集合S_right(>value的样本)，每一个集合也叫做一个结点。3、找到最佳分割feature以及最佳分割value之后，用该value将集合S分裂成2个集合：左集合S_left、右集合S_right，每一个集合也叫做一个结点。（ps：这个mean就是该结点的值，也就是落在该结点内的样本的预测值，同一个结点中的样本具有同一个预测值。

在计算出来的各个特征的各个值的基尼系数中，选择基尼系数最小的特征A及其对应的取值a作为最优特征和最优切分点。然后根据最优特征和最优切分点，将本节点的数据集划分成两部分 和 ，同时生成当前节点的两个子节点，左节点的数据集和右节点的数据集。m个样本的连续特征A有m个值，从小到大排列 ，则CART取相邻两样本值的平均数做划分点，一共有m-1个；CART分类树算法使用基尼系数选择特征，基尼系数代表了模型的不纯度，基尼系数越小，不纯度越低，特征越好。输入：训练集D，基尼系数的阈值，切分的最少样本个数阈值。

Numpy中的最小二乘法

numpy矩阵的常用操作

模型验证过程

udtf函数

热门服务号计算逻辑

用户资讯相关推荐

物品相似度

pytorch的Dataset与DataLoader

SQL case when 运用的场景

pytroch的linear

函数介绍

1.rocketQM有三种发送方式：同步发送：等待返回结果异步发送：立即返回，使用回调函数一次性发送：只发送一次，不关心发送结果2.DefaultMQProducer同步发送DefaultMQProducer.send(msg);public SendResult send(msg,CommunicationMode.SYNC,(SendCallback)null,timeout);2.DefaultMQProducer异步发送DefaultMQProudcer.send(msg,send

1.异步发送的回调函数producer.send(msg,new SendCallback(){ @Override public void onSuccess(SendResult sendResult){ } @Override public void onException(Throwable e){ }});2.消息发送成功 sendMessageAsyncsendResult = MQClientAPIImpl.this.processSendResponse(b

with tmp as (select *,ROW_NUMBER() OVER (PARTITION BY name ORDER BY level1,level2) as num from table )select * from tmp where num=1

partial的**kwargs应用场景：def a(x,**kwargs): print(x) print(kwargs.get("a"))from functools import partialdef hi(x,**kwargs): aa = partial(a,**kwargs) aa(x)调用hi("7",a="ok")

构造一个关联字段，使用left join，例如求出总和，再求占比：with a as (select name,count(1) as c,1 as j from t1 group by name),b as (select count(1) as c,1 as j from t1)select a.name,a.c as cn,b.c as total,(100*a.c/b.c) from a left join b on a.j=b.j...

生成模型from sklearn2pmml import PMMLPipelinefrom sklearn.datasets import load_irisfrom sklearn import treeiris = load_iris()clf = tree.DecisionTreeClassifier()pipeline = PMMLPipeline([("classifier", clf)])pipeline.fit(iris.data, iris.target)print(ir

IDEA文本为UTF-8编码格式，中文不乱码，但控制台乱码，解决方式：HELP->Edit Custom VM OPtions中加 -Dfile.encoding=utf-8重启idea